Endpoint error(EPE)
计算的是估计光流和groundtruth光流的欧氏距离:
E P E = ( ( u e s t − u g t ) 2 + ( v e s t − v g t ) 2 ) EPE = \sqrt{((u_{est} – u_{gt})^2 + (v_{est} – v_{gt})^2)}E P E =((u e s t −u g t )2 +(v e s t −v g t )2 )
这是一种比较普遍的评估指标,通常会用EPE的均值来评估光流估计的结果。
Angular error(AE)
计算的是光流向量之间的角度误差:(( u 0 , v 0 , 1 ) (u_0, v_0, 1)(u 0 ,v 0 ,1 )表示一个列向量)
A E = arccos ( ( u e s t , v e s t , 1 ) T ∗ ( u g t , v g t , 1 ) 1.0 + u e s t ∗ u e s t + v e s t ∗ v e s t 1.0 + u g t ∗ u g t + v g t ∗ v g t ) AE = \arccos(\frac{(u_{est}, v_{est}, 1)^T * (u_{gt}, v_{gt}, 1)}{\sqrt{1.0 + u_{est} * u_{est} + v_{est} * v_{est}} \sqrt{1.0 + u_{gt} * u_{gt} + v_{gt} * v_{gt}}})A E =arccos (1 .0 +u e s t ∗u e s t +v e s t ∗v e s t 1 .0 +u g t ∗u g t +v g t ∗v g t (u e s t ,v e s t ,1 )T ∗(u g t ,v g t ,1 ))
Interpolation error(IE)
插值误差指的是真值图像和估计的插值图像颜色值的root-mean-square(RMS) diffenrence
I E = 1 N ∑ ( x , y ) ( I ( x , y ) − I g t ( x , y ) ) 2 IE = \sqrt{\frac{1}{N} \sum_{(x,y)}(I(x,y) – I_{gt}(x,y))^2}I E =N 1 (x ,y )∑(I (x ,y )−I g t (x ,y ))2
N是像素点的个数,对于RGB图像,取RGB颜色差别的L2 norm。
Normalized interpolation error(NE)
I E = 1 N ∑ ( x , y ) ( I ( x , y ) − I g t ( x , y ) ) 2 ∣ ∣ ▽ I g t ∣ ∣ 2 + ϵ IE = \sqrt{\frac{1}{N} \sum_{(x,y)} \frac{(I(x,y) – I_{gt}(x,y))^2}{||\bigtriangledown I_{gt}||^2 + \epsilon}}I E =N 1 (x ,y )∑∣∣▽I g t ∣∣2 +ϵ(I (x ,y )−I g t (x ,y ))2
论文中取ϵ = 1.0 \epsilon=1.0 ϵ=1 .0。 对于RGB图像,取向量差的L2 norm,并分别计算梯度。
得到插值图像的方法见论文的3.3.2
Middlebury Optical flow dataset 最经典
MPI Sintel Dataset
Robust Vision Challenge
KITTI Flow 2012 evaluation
KITTI Flow 2015 evaluation
Heidelberg HD1K Flow benchmark
Original: https://blog.csdn.net/catpico/article/details/122890919
Author: wrotcat
Title: optical flow光流估计的评价指标
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/533130/
转载文章受原作者版权保护。转载请注明原作者出处!